基于MAP准则的两步人脸图像分辨率增强算法

如何提高人脸图像分辨率是改进视觉监视系统性能需要解决的关键问题之一 .本文提出了一种基于MAP准则的两步人脸图像分辨率增强新算法 .第一步利用PCA模型和最大后验概率 (MAP)方法计算人脸的整体图像 ,第二步利用Markov随机场模型和MAP方法计算反映真实图像与整体图像差异的残差图像 .最终的结果是第一步得到的整体图像与第二步得到的残差图像之和 .利用新算法我们分别对图像分辨率增强 1 6倍 (由 32× 2 4提高到 1 2 8× 96 )和图像分辨率增强 6 4倍 (由 1 6× 1 2提高到 1 2 8× 96 )两种情况进行了实验 ,均取得了令人满意的结果 .

模型有界失配下基于MAP准则的扩展集员粒子滤波方法

在非线性非高斯系统中,当状态转移模型存在有界失配时,采用粒子滤波往往无法获得理想的状态估计值。考虑有界失配对粒子的约束条件,提出一种基于MAP准则的扩展集员粒子滤波算法(MAP-ESMPF)。该算法采用扩展集员求取真实状态的可信域,并基于MAP密度函数的准则,定义优化方程,从而将可信域外的粒子映射到可信域内,保证了状态估计的精度。在数值仿真和连续搅拌反应釜(CSTR)过程中的仿真应用,验证了该算法的有效性。

基于 MAP 准则的图象恢复和边缘检测方法

运用基于马尔可夫随机场的ＭＡＰ准则进行图象恢复和边缘检测，并在运用模拟退火算法时，采用逐点象素向邻域跳变的方法，大大减少了运算量．从实验结果看，该方法明显好于视觉处理中常规的零交叉方法．

低质量图像基于散射图SEM估计的MAP像素聚类方法

直方图是最常用的图像灰度统计分布的表示方法，二维直方图包括共生矩阵，灰度边界值散射图，灰度平均灰度散射图等．本文提出了一种采用ＳＥＭ算法完成对灰度平均灰度的二维正态分布假设的参数估计，然后采用最大后验概率（ＭＰＡ）准则进行像素无监督聚类的图像分割算法．测试结果显示，我们的算法性能良好，尤其是对低对比度、有阴影和重噪声的低质量图像的分割效果要远优于其他基于散射图的阈值化方法．

TDS-OFDM系统高效并行MAP定时恢复算法

针对5G通信无线多媒体传输时域同步—正交频分复用(TDS-OFDM)系统中的符号定时恢复处理慢、性能距离理论界较大等问题,提出了一种并行MAP定时恢复算法。它通过拉格朗日插值,能较好地提取最佳采样点幅度与极性变化信息,检测定时误差。而且该算法采用了高效并行的最大后验概率(MAP)准则,高速完成定时误差估计。仿真表明,与现有MM算法、Gardner算法等相比,该算法估计精度较高,结果逼近MAP定时恢复算法,差距约2 d B。

FGMM-MRF层次模型在图像分割中的应用

为了更好地反映图像的区域结构,在高层次标记图像中,区域内部用各向同性的MRF建模,区域的边界用各向异性的MRF来建模;在低层次灰度图像中,用FGMM来描述待分割图像的概率分布.采用Bayes方法,根据标记图像的后验分布所对应的FGMMMRF模型的条件概率,用ICM局部优化算法获得MAP准则下的分割图像.用模拟图像和MR图像进行实验,区域的边界和整体属性具有较好的视觉效果.

变权重MRF算法在图像自动无监督分割中的应用

为了实现图像的自动无监督分割,本文提出类自适应变权重马尔可夫随机场分割算法。首先结合最小描述长度准则,自适应计算马尔可夫随机场框架下的图像分类数;然后引入变权重的马尔可夫随机场算法,扩大势函数的选择范围,消除势函数的复杂计算;最后用迭代条件模式进行优化,获得最大后验概率准则下的分割图像。在Matlab环境中的测试结果表明,该算法具有实效性,能正确计算分类数,同时有效减少了分割错误。

有效逼近MIMO信道容量的软解调算法

针对Turbo-MIMO系统中基于最大后验概率(MAP)的软解调方案复杂度过高的问题,基于准最大似然相移键控(QML-PSK)检测以及比特级多流编码分层调制空时(LST)传输的思想,提出了一种适用于任意正交幅度调制(QAM)星座图且可逼近MIMO信道容量的低复杂度软解调算法及其接收机模型.该算法将求解外信息时的MAP问题转换成最大似然(ML)解调问题,然后使用高效的QML-PSK检测算法求解.然而QML-PSK检测算法仅适用于PSK信号的软解调,因此文中提出了一种QAM-PSK软解调算法,采用比特级多流编码LST传输技术将高阶QAM信号转化为PSK信号.理论分析和仿真结果表明,与现有最优的基于球形译码的软解调算法相比,QAM-PSK软解调算法能以不到其1/2的复杂度获得几乎相同的误码率性能,并且其低复杂度优势在问题维数增大时更为明显.

基于MTD模型的联合GSM语音解码算法

利用GSMEFR语音编码参数的时间相关性 ,提出了基于参数估计的信道、信源联合解码算法 .该算法首先采用MTD模型对信源参数进行高阶马尔可夫建模 ,然后将MTD模型参数作为解码端的先验信息 ,同时利用信道或信道解码提供的接收数据似然值 ,计算发送参数的后验概率 ,进行基于MAP ,MS或延迟MS准则的参数估计 .仿真结果表明 ,对于GSMEFR语音传输系统 ,本文提出的联合解码算法性能明显优于信道、信源独立解码算法 ,提高了参数和语音的全局信噪比 ,有效改善了系统性能 .